/[webpac2]/trunk/run.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk/run.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 636 by dpavlin, Wed Sep 6 19:25:22 2006 UTC revision 742 by dpavlin, Sun Oct 8 00:38:10 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use lib './lib';  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Lookup 0.03;  use WebPAC::Parser 0.07;
11  use WebPAC::Input 0.11;  use WebPAC::Input 0.13;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.11;
13  use WebPAC::Normalize 0.11;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate 0.06;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use YAML qw/LoadFile/;  use WebPAC::Config;
18  use Getopt::Long;  use Getopt::Long;
19  use File::Path;  use File::Path;
20  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
# Line 60  path to YAML configuration file Line 60  path to YAML configuration file
60    
61  =item --stats  =item --stats
62    
63  disable indexing and dump statistics about field and subfield  disable indexing, modify_* in configuration and dump statistics about field
64  usage for each input  and subfield usage for each input
65    
66  =item --validate path/to/validation_file  =item --validate path/to/validation_file
67    
68  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
69    
 =item --marc-normalize conf/normalize/mapping.pl  
   
 This option specifies normalisation file for MARC creation  
   
 =item --marc-output out/marc/test.marc  
   
 Optional path to output file  
   
70  =item --marc-lint  =item --marc-lint
71    
72  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if normalisation file has C<marc*> directives. You can disable lint
73  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
74    
75  =item --marc-dump  =item --marc-dump
# Line 105  my $offset; Line 97  my $offset;
97  my $limit;  my $limit;
98    
99  my $clean = 0;  my $clean = 0;
100  my $config = 'conf/config.yml';  my $config_path;
101  my $debug = 0;  my $debug = 0;
102  my $only_filter;  my $only_filter;
103  my $stats = 0;  my $stats = 0;
104  my $validate_path;  my $validate_path;
 my ($marc_normalize, $marc_output);  
105  my $marc_lint = 1;  my $marc_lint = 1;
106  my $marc_dump = 0;  my $marc_dump = 0;
107  my $parallel = 0;  my $parallel = 0;
# Line 119  my $merge = 0; Line 110  my $merge = 0;
110    
111  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
112    
 my $hostname = `hostname`;  
 chomp($hostname);  
 $hostname =~ s/\..+$//;  
 if (-e "conf/$hostname.yml") {  
         $config = "conf/$hostname.yml";  
         $log->info("using host configuration file: $config");  
 }  
   
113  GetOptions(  GetOptions(
114          "limit=i" => \$limit,          "limit=i" => \$limit,
115          "offset=i" => \$offset,          "offset=i" => \$offset,
116          "clean" => \$clean,          "clean" => \$clean,
117          "one=s" => \$only_filter,          "one=s" => \$only_filter,
118          "only=s" => \$only_filter,          "only=s" => \$only_filter,
119          "config" => \$config,          "config" => \$config_path,
120          "debug+" => \$debug,          "debug+" => \$debug,
121          "stats" => \$stats,          "stats" => \$stats,
122          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
         "marc-normalize=s" => \$marc_normalize,  
         "marc-output=s" => \$marc_output,  
123          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
124          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
125          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
# Line 146  GetOptions( Line 127  GetOptions(
127          "merge" => \$merge,          "merge" => \$merge,
128  );  );
129    
130  $config = LoadFile($config);  my $config = new WebPAC::Config( path => $config_path );
131    
132  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
133    
134  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->databases);
135    
136  $log->info( "-" x 79 );  $log->info( "-" x 79 );
137    
# Line 171  $validate = new WebPAC::Validate( Line 152  $validate = new WebPAC::Validate(
152  ) if ($validate_path);  ) if ($validate_path);
153    
154    
155  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->use_indexer;
156  if ($stats) {  if ($stats) {
157          $log->debug("option --stats disables update of indexing engine...");          $log->debug("option --stats disables update of indexing engine...");
158          $use_indexer = undef;          $use_indexer = undef;
# Line 179  if ($stats) { Line 160  if ($stats) {
160          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
161  }  }
162    
163  # disable indexing when creating marc  # parse normalize files and create source files for lookup and normalization
164  $use_indexer = undef if ($marc_normalize);  
165    my $parser = new WebPAC::Parser( config => $config );
166    
167  my $total_rows = 0;  my $total_rows = 0;
168  my $start_t = time();  my $start_t = time();
# Line 192  if ($parallel) { Line 174  if ($parallel) {
174          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
175  }  }
176    
177  while (my ($database, $db_config) = each %{ $config->{databases} }) {  sub create_ds_config {
178            my ($db_config, $database, $input, $mfn) = @_;
179            my $c = dclone( $db_config );
180            $c->{_} = $database || $log->logconfess("need database");
181            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
182            $c->{input} = $input || $log->logconfess("need input");
183            return $c;
184    }
185    
186    while (my ($database, $db_config) = each %{ $config->databases }) {
187    
188          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
189          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
# Line 212  while (my ($database, $db_config) = each Line 203  while (my ($database, $db_config) = each
203                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
204                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
205    
206                  my $indexer_config = $config->{$cfg_name} || $log->logdie("can't find '$cfg_name' part in confguration");                  my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' part in confguration");
207                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
208                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
209                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
# Line 232  while (my ($database, $db_config) = each Line 223  while (my ($database, $db_config) = each
223                          use WebPAC::Output::EstraierNative;                          use WebPAC::Output::EstraierNative;
224                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
225    
                         $use_indexer = 'hyperestraier';  
   
226                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
227    
228                          # open KinoSearch                          # open KinoSearch
# Line 282  while (my ($database, $db_config) = each Line 271  while (my ($database, $db_config) = each
271          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
272          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
273    
274          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
275    
276          if ($clean) {          if ($clean) {
277                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 291  while (my ($database, $db_config) = each Line 280  while (my ($database, $db_config) = each
280                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
281          }          }
282    
283          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
284                  path => $db_path,                  path => $db_path,
                 database => $database,  
285                  debug => $debug,                  debug => $debug,
286          );          );
287    
# Line 311  while (my ($database, $db_config) = each Line 299  while (my ($database, $db_config) = each
299                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
300          }          }
301    
         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };  
   
302          foreach my $input (@inputs) {          foreach my $input (@inputs) {
303    
304                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));
305    
306                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
307    
308                  my $type = lc($input->{type});                  my $type = lc($input->{type});
309    
310                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
311    
312                  my $lookup;                  my $input_module = $config->webpac('inputs')->{$type};
                 if ($input->{lookup}) {  
                         $lookup = new WebPAC::Lookup(  
                                 lookup_file => $input->{lookup},  
                         );  
                         delete( $input->{lookup} );  
                 }  
313    
314                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my @lookups = $parser->have_lookup_create($database, $input);
315    
316                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
317                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
318                  );                  );
319    
320                    if ($stats) {
321                            # disable modification of records if --stats is in use
322                            delete($input->{modify_records});
323                            delete($input->{modify_file});
324                    }
325    
326                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
327                          module => $input_module,                          module => $input_module,
328                          encoding => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
329                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
330                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
331                          recode => $input->{recode},                          recode => $input->{recode},
332                          stats => $stats,                          stats => $stats,
333                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 351  while (my ($database, $db_config) = each Line 335  while (my ($database, $db_config) = each
335                  );                  );
336                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
337    
338                    if (defined( $input->{lookup} )) {
339                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
340                            delete( $input->{lookup} );
341                    }
342    
343                    my $lookup_coderef;
344    
345                    if (@lookups) {
346    
347                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
348    
349                            $lookup_coderef = sub {
350                                    my $rec = shift || die "need rec!";
351                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
352    
353                                    $store->save_row(
354                                            database => $database,
355                                            input => $input_name,
356                                            id => $mfn,
357                                            row => $rec,
358                                    );
359    
360                                    WebPAC::Normalize::data_structure(
361                                            row => $rec,
362                                            rules => $rules,
363                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
364                                    );
365    
366                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
367                            };
368    
369                            WebPAC::Normalize::_set_lookup( undef );
370    
371                            $log->debug("created lookup_coderef using:\n$rules");
372    
373                    };
374    
375                    my $lookup_jar;
376    
377                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
378                          path => $input->{path},                          path => $input->{path},
379                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
380                            lookup_coderef => $lookup_coderef,
381                            lookup => $lookup_jar,
382                          %{ $input },                          %{ $input },
383                  );                  );
384    
385                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $lookup_data = WebPAC::Normalize::_get_lookup();
                         @{ $input->{normalize} } : ( $input->{normalize} );  
   
                 if ($marc_normalize) {  
                         @norm_array = ( {  
                                 path => $marc_normalize,  
                                 output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',  
                         } );  
                 }  
   
                 foreach my $normalize (@norm_array) {  
386    
387                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                  if (defined( $lookup_data->{$database}->{$input_name} )) {
388                            $log->debug("created following lookups: ", dump( $lookup_data ));
389    
390                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
391                                    $store->save_lookup(
392                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";                                          database => $database,
393                                            input => $input_name,
394                                            key => $key,
395                                            data => $lookup_data->{$database}->{$input_name}->{$key},
396                                    );
397                            }
398                    }
399    
400                          $log->info("Using $normalize_path for normalization...");                  my $report_fh;
401                    if ($stats || $validate) {
402                            my $path = "out/report/${database}-${input_name}.txt";
403                            open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
404    
405                            print $report_fh "Report for database '$database' input '$input_name' records ",
406                                    $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
407                            $log->info("Generating report file $path");
408                    }
409    
410                          my $marc = new WebPAC::Output::MARC(                  my $marc;
411                                  path => $normalize->{output},                  if ($parser->generate_marc( $database, $input_name )) {
412                            $marc = new WebPAC::Output::MARC(
413                                    path => "out/marc/${database}-${input_name}.marc",
414                                  lint => $marc_lint,                                  lint => $marc_lint,
415                                  dump => $marc_dump,                                  dump => $marc_dump,
416                          ) if ($normalize->{output});                          );
417                    }
418    
419                          # reset position in database                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
420                          $input_db->seek(1);                  $log->debug("parsed normalize rules:\n$rules");
421    
422                          foreach my $pos ( 0 ... $input_db->size ) {                  # reset position in database
423                    $input_db->seek(1);
424    
425                                  my $row = $input_db->fetch || next;                  # generate name of config key for indexer (strip everything after -)
426                    my $indexer_config = $use_indexer;
427                    $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
428    
429                    my $lookup_hash;
430                    my $depends = $parser->depends($database,$input_name);
431            
432                    if ($depends) {
433                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
434                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
435    
436                            foreach my $db (keys %$depends) {
437                                    foreach my $i (keys %{$depends->{$db}}) {
438                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
439                                                    $log->debug("loading lookup $db/$i");
440                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
441                                                            database => $db,
442                                                            input => $i,
443                                                            key => $k,
444                                                    );
445                                            }
446                                    }
447                            }
448    
449                                  my $mfn = $row->{'000'}->[0];                          $log->debug("lookup_hash = ", dump( $lookup_hash ));
450                    }
451    
                                 if (! $mfn || $mfn !~ m#^\d+$#) {  
                                         $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
452    
453                    foreach my $pos ( 0 ... $input_db->size ) {
454    
455                                  if ($validate) {                          my $row = $input_db->fetch || next;
                                         my @errors = $validate->validate_errors( $row );  
                                         $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);  
                                 }  
456    
457                                  my $ds_config = dclone($db_config);                          my $mfn = $row->{'000'}->[0];
458    
459                                  # default values -> database key                          if (! $mfn || $mfn !~ m#^\d+$#) {
460                                  $ds_config->{_} = $database;                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
461                                    $mfn = $pos;
462                                    push @{ $row->{'000'} }, $pos;
463                            }
464    
                                 # current mfn  
                                 $ds_config->{_mfn} = $mfn;  
465    
466                                  # attach current input                          if ($validate) {
467                                  $ds_config->{input} = $input;                                  if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {
468                                            $log->error( "MFN $mfn validation error:\n",
469                                                    $validate->report_error( $errors )
470                                            );
471                                    }
472                            }
473    
474                                  my $ds = WebPAC::Normalize::data_structure(                          my $ds = WebPAC::Normalize::data_structure(
475                                          row => $row,                                  row => $row,
476                                          rules => $rules,                                  rules => $rules,
477                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                  lookup => $lookup_hash,
478                                          config => $ds_config,                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
479                                          marc_encoding => 'utf-8',                                  marc_encoding => 'utf-8',
480                                  );                                  load_row_coderef => sub {
481                                            my ($database,$input,$mfn) = @_;
482                                            return $store->load_row(
483                                                    database => $database,
484                                                    input => $input,
485                                                    id => $mfn,
486                                            );
487                                    },
488                            );
489    
490                                  $db->save_ds(                          $log->debug("ds = ",dump($ds)) if ($ds);
                                         id => $mfn,  
                                         ds => $ds,  
                                         prefix => $input->{name},  
                                 ) if ($ds && !$stats);  
   
                                 $indexer->add(  
                                         id => $input->{name} . "/" . $mfn,  
                                         ds => $ds,  
                                         type => $config->{$use_indexer}->{type},  
                                 ) if ($indexer && $ds);  
   
                                 if ($marc) {  
                                         my $i = 0;  
   
                                         while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {  
                                                 $marc->add(  
                                                         id => $mfn . ( $i ? "/$i" : '' ),  
                                                         fields => $fields,  
                                                         leader => WebPAC::Normalize::marc_leader(),  
                                                         row => $row,  
                                                 );  
                                                 $i++;  
                                         }  
491    
492                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          $store->save_ds(
493                                    database => $database,
494                                    input => $input_name,
495                                    id => $mfn,
496                                    ds => $ds,
497                            ) if ($ds && !$stats);
498    
499                            $indexer->add(
500                                    id => "${input_name}/${mfn}",
501                                    ds => $ds,
502                                    type => $config->get($indexer_config)->{type},
503                            ) if ($indexer && $ds);
504    
505                            if ($marc) {
506                                    my $i = 0;
507    
508                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
509                                            $marc->add(
510                                                    id => $mfn . ( $i ? "/$i" : '' ),
511                                                    fields => $fields,
512                                                    leader => WebPAC::Normalize::marc_leader(),
513                                                    row => $row,
514                                            );
515                                            $i++;
516                                  }                                  }
517    
518                                  $total_rows++;                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
519                          }                          }
520    
521                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          $total_rows++;
522                    }
523    
524                          # close MARC file                  if ($validate) {
525                          $marc->finish if ($marc);                          my $errors = $validate->report;
526                            if ($errors) {
527                                    $log->info("validation errors:\n$errors\n" );
528                                    print $report_fh "$errors\n" if ($report_fh);
529                            }
530                    }
531    
532                    if ($stats) {
533                            my $s = $input_db->stats;
534                            $log->info("statistics of fields usage:\n$s");
535                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
536                  }                  }
537    
538                    # close MARC file
539                    $marc->finish if ($marc);
540    
541                    # close report
542                    close($report_fh) if ($report_fh)
543    
544          }          }
545    
546          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
Legend:
Removed from v.636  
changed lines
  Added in v.742
  ViewVC Help
Powered by ViewVC 1.1.26